典型文献
基于GCA-RFR模型的数字内容资源价值评估方法研究
文献摘要：
随着数字内容资源数量和重要性的不断增加,逐渐暴露出很多问题,如数字内容产品质量参差不齐、数字内容资源交易混乱、价值衡量缺乏规范性等,因此探索合理的价值评估方法对规范数字内容资源市场交易具有重要意义.首先,根据"价值链理论"梳理影响数字内容资源价值的成本因素、版权因素、市场因素、服务因素等,并从中选出13个二级指标构建数字内容资源价值评估指标体系.然后,在该指标体系基础上提出一种基于GCA-RFR模型的智能化价值预测方法,依次经过指标验证、样本筛选、模型训练等步骤对电影资源数据进行实证分析,并将该模型的预测效果与GCA-BP模型进行对比,确定了该预测模型的优越性.研究发现,基于GCA-RFR模型的方法系统化保证了其在数字内容资源价值评估方面体现的独特优势:强客观性、优泛化性、调节参数少、预测精度高等.该方法的探索为丰富数字内容资源价值评估理论体系拓展了方向.
文献关键词：
数字内容资源;价值评估;指标体系;灰色关联分析;熵值法;随机森林回归模型;BP神经网络
中图分类号：
作者姓名：
赵艳;王文举;倪渊
作者机构：
北京工商大学经济学院,北京100048;北京物资学院经济学院,北京101149;北京信息科技大学经济管理学院,北京100192;绿色发展大数据决策北京市重点实验室,北京100192
文献出处：
引用格式：
[1]赵艳;王文举;倪渊-.基于GCA-RFR模型的数字内容资源价值评估方法研究)[J].统计与信息论坛,2022(02):12-22
A类：
数字内容资源
B类：
GCA,RFR,资源价值,价值评估方法,如数,数字内容产品,资源交易,价值衡量,范数,资源市场,市场交易,价值链理论,成本因素,版权,市场因素,指标构建,评估指标体系,价值预测,指标验证,样本筛选,模型训练,电影资源,资源数据,法系,泛化性,评估理论,灰色关联分析,熵值法,随机森林回归模型
AB值：
0.257731
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
